Utilização de ferramentas de Inteligência Artificial (IA) no diagnóstico de imagem
DOI:
https://doi.org/10.33448/rsd-v13i11.47312Palavras-chave:
Inteligência artificial; Diagnóstico por imagem; Tratamento.Resumo
Introdução: Na medicina contemporânea, a Inteligência Artificial (IA) surge como uma ferramenta revolucionária de auxílio desde a interpretação de imagens médicas, como tomografias computadorizadas, até a análise de dados genômicos. O objetivo desta pesquisa é investigar como a implementação de tecnologias de Inteligência Artificial (IA) pode impactar na precisão e na redução de tempo dos diagnósticos de imagem, além de avaliar a eficácia dos tratamentos. Metodologia: Este trabalho segue a metodologia de estudo proposta por Gil (2002). Trata-se de uma revisão bibliográfica integrativa com artigos de 2019 a 2024 utilizando as seguintes bases de dados: PubMed, Google Scholar e SciELO. Resultados e discussão: Os resultados observados indicam que o uso de técnicas de aprendizado profundo e inteligência artificial (IA) apresenta grande potencial em diversas áreas da medicina, principalmente na análise de imagens médicas e no suporte à tomada de decisões clínicas. À medida que a implementação de IA na medicina ganha espaço, surge a necessidade de um olhar cuidadoso para as questões como a privacidade do paciente e a necessidade de uma regulamentação apropriada para o controle dessa atividade. Considerações finais: Observa-se que a utilização da IA já é uma realidade revolucionária que vem alcançando a prática médica no diagnóstico por imagem. Não obstante, há obstáculos que precisam ser superados para que seja segura, ágil e precisa para auxiliar na decisão do médico quanto ao melhor tratamento. Dessa forma, a IA deve não ser considerada uma ameaça a profissão, mas uma ferramenta que complementa o trabalho do médico, em vez de substituí-lo.
Referências
Berbís, M. A., Aneiros-Fernández, J., Olivares, F. J. M., Nava, E., & Luna, A. (2021). Role of artificial intelligence in multidisciplinary imaging diagnosis of gastrointestinal diseases. World Journal of Gastroenterology, 27(27), 4395. DOI: https://dx.doi.org/10.3748/wjg.v27.i27.4395.
Brito, E. N. D., de Figueiredo, B. Q., Souto, D. N., Nogueira, J. F., de Castro Melo, A. L., da Silva, I. T., ... & de Almeida, M. G. (2021). Inteligência artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura. Research, Society and Development, 10(11), e482101120004-e482101120004.
Cao, C. L., Li, Q. L., Tong, J., Shi, L. N., Li, W. X., Xu, Y., ... & Cui, X. W. (2023). Artificial intelligence in thyroid ultrasound. Frontiers in Oncology, 13, 1060702. Doi: 10.3389/fonc.2023.1060702.
Chamberlaim, A., de Azevedo Flor, B., da Silva Pereira, E., Almeida, L. S., Martins, L. D., Silva, Y. S., ... & Bovo, F. (2023). Inteligência Artificial (IA) e suas aplicações em exames de imagem: uma nova era para diagnósticos na área da saúde. Cuadernos de Educación y Desarrollo, 15(12), 17605-17624.
Chan, H.-P., Samala, R. K., Hadjiiski, L. M., & Zhou, C. (2020). Aprendizado profundo em análise de imagens médicas. Exp Com Biol, 1213, 3–21. DOI: http://doi.org/10.1007/978-3-030-33128-3_1.
Ebermam, E. & Krohling, R. (2018). Uma introdução compreensiva às redes neurais convolucionais: Um estudo de caso para reconhecimento de caracteres alfabéticos. Revista de Sistemas de Informação da FSMA, 22, 49-59.
Esteva, A., Chou, K., Cui, C., Corrado, G., DePristo, M., Kuleshov, V., Robicquet, A., Ramsundar, B., Thrun, S., & Dean, J. (2019). Aprendizado profundo em medicina: Aplicações em imagens médicas, processamento de linguagem natural, aprendizado por reforço e genômica. Nature Medicine, 25(1), 24–29. https://doi.org/10.1038/s41591-018-0316-z.
Fan, X., Qiao, X., Wang, Z., Jiang, L., Liu, Y., & Sun, Q. (2022). Artificial Intelligence‐Based CT Imaging on Diagnosis of Patients with Lumbar Disc Herniation by Scalpel Treatment. Computational Intelligence and Neuroscience, 2022(1), 3688630. https://doi.org/10.1155/2022/3688630.
GIL, A. C. (2002). Como elaborar projetos de pesquisa (4. ed.). Atlas.
Jones, A., et al. (2020). Current challenges in medical diagnosis: A critical review. Medical Sciences.
Lamy, M., & de Malta, K. C. (2023). Avanços e riscos da inteligência artificial na atenção à saúde. Unisanta Law and Social Science, 12(2), 108-119.
Lanzagorta-Ortega, D., Carrillo-Pérez, D. L., & Carrillo-Esper, R. (2022). Inteligencia artificial en medicina: presente y futuro. Gaceta médica de México, 158, 17-21.
Liu, H., Zhao, Y., Yang, F., Lou, X., Wu, F., Li, H., ... & Fan, X. (2022). Preoperative prediction of lymph node metastasis in colorectal cancer with deep learning. BME frontiers, 2022. https://doi.org/10.34133/2022/9860179.
Lobo, L. C. (2017). Inteligência artificial e medicina. Revista Brasileira de Educação Médica, 41, 185-193.
Ludermir, T. B. (2021). Inteligência Artificial e Aprendizado de Máquina: estado atual e tendências. Estudos Avançados, 35, 85-94.
Lundervold, A. S., & Lundervold, A. (2019). Aprendizado profundo em ressonância magnética: Uma visão geral. Z Med Phys, 29(1), 102–127. DOI: https://doi.org/10.1016/j.zemedi.2018.11.002.
Magalhães, M. I. S., Vargas, C. V., da Silva Bomfim, V. V. B., Ferreira, T. G., & Behrens, P. D. A. C. (2024). Impacto da inteligência artificial no diagnóstico médico: desafios e oportunidades. Revista Ibero-Americana de Humanidades, Ciências e Educação, 10(1), 1477-1485.
Martins, T. C. D. F., Silva, J. H. C. M. D., Máximo, G. D. C., & Guimarães, R. M. (2021). Transição da morbimortalidade no Brasil: um desafio aos 30 anos de SUS. Ciência & Saúde Coletiva, 26, 4483-4496.
Minami, Y., Nishida, N., & Kudo, M. (2023). Imaging diagnosis of various hepatocellular carcinoma subtypes and its hypervascular mimics: differential diagnosis based on conventional interpretation and artificial intelligence. Liver Cancer, 12(2), 103-115. DOI: 10.1159/000528538.
Mirbabaie, M., Stieglitz, S., & Frick, N. R. (2021). Artificial intelligence in disease diagnostics: A critical review and classification on the current state of research guiding future direction. Health and Technology, 11(4), 693-731.
Nava, C. F. G., de Godoy, Y. A. M., Souza, R. R. N., Luna, B. M. A., Nunes, M. D. C. H., de Sousa Pinto, M., ... & de Almeida, F. M. (2024). Uma sinfonia de transformação: os benefícios da musicoterapia no cenário terapêutico do Transtorno do Espectro Autista (TEA). Caderno Pedagógico, 21(4), e3609-e3609.
Santos, M. K., Ferreira Júnior, J. R., Wada, D. T., Tenório, A. P. M., Nogueira-Barbosa, M. H., & Marques, P. M. D. A. (2019). Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia brasileira, 52, 387-396.
Silva, A. L., Gonçalves, E. S., Ramalho, J. G. G., Spricigo, T., Castro, A. C. F. (2023). O impacto da tecnologia de inteligência artificial na medicina diagnóstica. Ciências da Saúde, Medicina, 27, 10.5281/zenodo.10301707.
Souza Sant’Anna, B. (2023). Aplicações emergentes da inteligência artificial na radiologia. https://jornaltribuna.com.br/wp-content/uploads/2023/06/APLICACOES-EMERGENTES-DA-INTELIGENCIA-ARTIFICIAL-NA-RADIOLOGIA.pdf
Srivastav, S., Chandrakar, R., Gupta, S., Babhulkar, V., Agrawal, S., Jaiswal, A., ... & Wanjari, M. B. (2023). ChatGPT in radiology: the advantages and limitations of artificial intelligence for medical imaging diagnosis. Cureus, 15(7). DOI 10.7759/cureus.41435.
Topol, E. (2019). Medicina de alto desempenho: a convergência da inteligência humana e artificial. Nature Medicine. Reino Unido, 25(1), 44-56.
Vasconcelos, J. L. M., de Oliveira Rodrigues, P. H., Passos, A. P. V., Viana, A. C. V., de Almeida Miranda, G. C., da Silva, N. B. S., ... & Ramacciotti, A. P. G. (2024). O Papel da Inteligência Artificial como Ferramenta Diagnóstica na Medicina: Uma Revisão Sistemática. Brazilian Journal of Implantology and Health Sciences, 6(9), 3308-3319.
Yasaka, K., & Abe, O. (2018). Deep learning and artificial intelligence in radiology: Current applications and future directions. PLoS medicine, 15(11), e1002707.
Zhang, D., Liu, X., Shao, M., Sun, Y., Lian, Q., & Zhang, H. (2023). The value of artificial intelligence and imaging diagnosis in the fight against COVID-19. Personal and ubiquitous computing, 27(3), 783-792. https://doi.org/10.1007/s00779-021-01522-7.
Zhao, L. T., Liu, Z. Y., Xie, W. F., Shao, L. Z., Lu, J., Tian, J., & Liu, J. G. (2023). What benefit can be obtained from magnetic resonance imaging diagnosis with artificial intelligence in prostate cancer compared with clinical assessments?. Military Medical Research, 10(1), 29. Doi.org/10.1186/s40779-023-00464-w.
Zheng, D., He, X., & Jing, J. (2023). Overview of artificial intelligence in breast cancer medical imaging. Journal of Clinical Medicine, 12(2), 419. https://doi.org/10.3390/jcm12020419.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Fernanda Laignier Gonçalves; Hellem Victória da Penha Souza ; Fabio Marques de Almeida; Murilo de Sousa Pinto
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
